东吴证券刚发了篇地产加AI的报告，这次讲的是怎么用OpenClaw这个框架来提升房地产股票的研究效率。这东西能解决传统研究的老大难问题，就是信息太多、政策变太快、覆盖面还不够广。地产现在正处在深度调整期，政策和行业格局都在剧烈变化，传统的研究方法根本搞不定这么复杂的局面。 OpenClaw的好处在于它是个有状态的AI Agent框架，能记住以前的内容、自己执行定时任务、还能本地跑代码。跟ChatGPT那种聊完就忘的无状态工具不一样，它可以跨会话留存信息，特别适合搞投研自动化。 这套系统主要是靠双平台和双模型来干活的。云端那边部署了两套独立的评级模型，一个叫“量化AI选股”，看重技术面和AI分析；另一个叫“东吴地产选股”，主要研究基本面。它们一起覆盖了A股、港股、美股里60多只地产股。本地还搭了个七维评分引擎，从趋势、动量这些角度打分，跟云端互相验证，保证给出的信号靠谱。 数据方面用了iFinD和AKShare四层降级架构，AI层则用上了Kimi和GLM-5五个模型来回切换。这样不管是深度分析还是数据提取都能兼顾到，正好能满足地产研究的专业需求。 系统实现了全流程自动化，用Telegram就能推消息和互动。每天早上8点半发晨报，9点15分发精选股，盘中随时盯着异动，周五还会发周报。分析师只要发条自然语言指令就能触发分析工作流，每天只要花个10到15分钟就能拿到足够多的信息，效率提升得很明显。 实际操作中，系统管了数据采集、信号扫描、出报告这些全流程。里头内置了18个Python脚本和16项专业技能，还有9个自动化任务。比如看招商蛇口这个例子，系统能快速把行情、财务、估值这些数据都拿过来分析，再结合两个平台的评分给出高可信度的判断。 这套系统有四个创新点：一是原生的AI体验，直接对话就能生成代码来做工具；二是全链路闭环；三是多模型融合；四是专门给地产行业深度定制的。另外它还开源了，很快就能复制到消费或者科技行业去用。